Tổng quan nghiên cứu

Một phần của tài liệu Tác động của ô nhiễm tại các làng xã đến tình trạng khám chữa bệnh ở VN (Trang 63)

Bảng P2.1 Tổng quan nghiên cứu

Tên bài Các biến trong mơ hình

Phương pháp nghiên cứu, ước lượng

Dữ liệu

Đi khám chữa bệnh hay không đi khám chữa bệnh

Jowett và cộng sự (2004)

Tuổi, giới tính, bằng cấp, khu vực sinh sống (NT, TT), vùng (Bắc hay Nam), thu nhập (lấy logarit), bệnh tật, bảo hiểm, nhóm nghề nghiệp

Sử dụng biến cơng cụ (số tổ chức cá nhân làm việc), robust

Điều tra tại Hải Phịng, Ninh Bình và Đồng Tháp năm 1999 Wang và cộng sự (2009)

Thu nhập (lấy logarit, và biến bình phương), tài sản (lấy logarit, và biến bình phương), học vấn, giới tính, tuổi, tình trạng hơn nhân, di cư, tình trạng sức khỏe (bị bệnh trong 1 tháng, bệnh kinh niên), chỉ số đánh giá sức khỏe, tự đánh giá sức khỏe, quy mơ hộ, khoảng các đến các cơ sở chăm sóc y tế. Khác biệt trong khác biệt (DID) và Propensity Score Matching (PSM), sử dụng mơ hình logit để hồi quy

Số liệu điều tra tại 22 ngơi làng triển khai chương trình Rural Mutual Health Care tại Trung Quốc năm 2005

Xu và cộng sự (2006)

Thu nhập (5 nhóm), tuổi (3 nhóm), chủ hộ có việc làm khơng, học vấn của chủ hộ (từ cấp 2), khu vực sinh sống (NT, TT), vùng, giới tính, tình trạng sức khỏe (bệnh kinh niên)

Mơ hình Probit cho cá nhân

Khảo sát chi tiêu y tế và nguồn tại Kenya, 2003 44.900.000 26.920.000 247.300 65.640 599.387.000 58.588.000 245.659.000 78.588.000 175.600 34.600 422.900 100.200

Tên bài Các biến trong mơ hình

Phương pháp nghiên cứu, ước lượng Dữ liệu Số lần đi khám chữa bệnh Nguyễn Thị Minh và cộng sự (2014)

Học vấn, giới tính, thu nhập (5 nhóm), bảo hiểm, tình trạng sức khỏe (đại diện bằng số tiền mua trang thiết bị và thuốc không được kê đơn), tuổi, khu vực sinh sống (NT, TT)

Mơ hình Poisson cho cá nhân

Panel data của VHLSS 2010 và 2012 của Việt Nam

Chi phí hộ gia đình phải chi trả cho khám chữa bệnh

Xu và cộng sự (2006)

Thu nhập (5 nhóm), tuổi (3 nhóm), chủ hộ có việc làm khơng, học vấn của chủ hộ (từ cấp 2), khu vực sinh sống (NT, TT), vùng, giới tính, tình trạng sức khỏe (bệnh kinh niên), sự sẵn có của các cơ sở chăm sóc y tế

Hồi quy Heckman

Khảo sát chi tiêu y tế và nguồn tại Kenya, 2003

Mơi trường sống (ơ nhiễm khơng khí và nguồn nước) tác động đến sức khỏe

WB (2007)

Biến số chính: Chỉ báo về ơ nhiễm khơng khí (PM10, NO2)3, nguồn nước được sử dụng trong sinh hoạt, nhà vệ sinh.

Kết luận: PM10 ảnh hưởng lớn tới các bệnh viêm phế quản mãn tính, tử vong sớm và tình trạng nhập viện do hơ hấp và tim mạch. Ơ nhiễm nguồn nước gây ra bệnh tiêu chảy và ung thư ở nông thôn Trung Quốc.

Nghiên cứu là dịch tễ học, các số liệu được thu thập ở cấp độ tỉnh

Niên giám thống kê về thành phố ở Trung Quốc 2004, Niên giám thống kê về sức khỏe ở Trung Quốc 2004, Cuộc điều tra dân số 2000, MWR

20054

Gauderman và cộng sự (2000)

Số liệu về chức năng phổi là biến phụ thuộc. Các

Hồi quy đường thẳng (Linear regression methods)

Thu thập dữ liệu biến giải thích gồm: Số liệu về ơ nhiễm khơng khí của học sinh lớp 4 (nồng độ: O3, NO2, PM10, PM2,5, HCl, và HNO3); và lớp 7 (1993- các đặc điểm của trẻ (chiều cao, cân nặng, tuổi,

biến tương tác tuổi và chiều cao, chỉ số tổng thể về cơ thể, giới tính, chủng tộc/dân tộc, bị hen suyễn, hút thuốc, tập thể dục); môi trường sống

1997), và lớp 10 (1995-1997), số liệu về ô nhiễm được thu thập của (nhiệt độ phịng, áp suất khí quyển vào ngày lấy 12 cụm dân cư số liệu, biến giả cho việc lấy mẫu và phế dung (1994-1996),

kế). California, Mỹ

Chena và cộng sự (2013)

Nguyên nhân tử vong, trình độ giáo dục trung bình, tỷ trọng của ngành cơng nghiệp chế tạo, tỷ lệ dân thành thị, tỷ lệ người dân tiếp cận với nước máy, thu nhập trung bình, tỷ lệ người nghèo, tỷ lệ người có thu nhập cao, TPS (nồng độ các chất ơ nhiễm có trong khơng khí PM10), tuổi thọ ước tính, tuổi thọ thực.

Tính tốn cho thấy ơ nhiễm khơng khí đã làm

Dùng phương pháp bán thí nghiệm (The quasi-experimental empirical approach) với các dữ liệu về các chỉ số cấp địa phương (125 địa phương). TPS là biến nội sinh

Thu thập dữ liệu về 500 nghìn cái chết từ 1991-2000 tại các Điểm giám sát dịch bệnh Trung Quốc kết hợp với Điều tra dân số năm 2000, dữ liệu

3 Quá trình sử dụng năng lượng phát sinh các chất thải particles, SO2, NOx, và CO tại hầu hết các thành phố của

Trung Quốc.

4 Số liệu về tác động của nguồn nước được thu thập từ 2.000 river sections trong dịng chảy của các con sơng

Tên bài Các biến trong mơ hình

Phương pháp nghiên cứu, ước lượng

Dữ liệu

giảm đáng kể tuổi thọ người dân sống trong các khu vực có nồng độ chất ơ nhiễm cao.

nên phải hồi quy hai bước. về ơ nhiễm được lấy từ Tổ chức Khí tượng Thế giới Đặng Ngọc Chánh và cộng sự (2009)

Nguồn phơi nhiễm là hít thở khơng khí và sử dụng nước trong sinh hoạt và ăn uống. Tình trạng bệnh tật cũng phụ thuộc và tuổi tác, số năm làm việc tại các cơ sở sản xuất kinh doanh, khoảng cách từ nơi ở đến cở sản xuất kinh doanh, giới tính, nguồn nước sử dụng trong ăn uống và sinh hoạt

Nghiên cứu mô tả cắt ngang Phỏng vấn trực tiếp 300 người làm việc hoặc sống gần cơ sở sản xuất đồ thủ công mỹ nghệ từ dừa tại huyện Châu Thành, tỉnh Bến Tre Nguyễn Việt Cường và cộng sự (2011)

Biến phụ thuộc gồm: thu nhập, thời gian làm việc, tỷ lệ thành viên bị ốm, số ngày bị ốm.

Các biến giải thích: sử dụng nước máy, tuổi chủ hộ (gồm cả biến bình phương), học vấn của chủ hộ, dân tộc, quy mô hộ (gồm cả biến bình phương), tỷ lệ thành viên dưới 16 tuổi và trên 60 tuổi, tỷ lệ thành viên nữ, tỷ lệ thành viên có bằng cấp về kỹ thuật, tỷ lệ thành viên đã học xong cấp 2, loại nhà ở, loại nhà vệ sinh, diện tích đất nơng nghiệp, khu vực sinh sống (NT, TT), vùng sinh sống (8 vùng).

Kết luận: Sử dụng nước máy chỉ ảnh hưởng đến số ngày bị ốm.

Khác biệt trong khác biệt (DID) kết hợp với hồi quy Probit (có sử dụng kỹ thuật robust) VHLSS 2002, VHLSS 2004, VHLSS 2006 Carson và cộng sự (2009)

Biến phụ thuộc là số giờ lao động bình qn trong hộ.

Các biến giải thích: đặc tính của hộ (số phụ nữ theo độ tuổi, số nam giới theo độ tuổi, tuổi của chủ hộ (gồm cả biến bình phương), học vấn cao nhất trong hộ, trong hộ khơng có người đi học, tài sản (gồm cả biến bình phương), sở hữu đất đai (bao gồm cả biến bình phương)), nồng độ asen trong nước của hộ (bao gồm cả biến bình phương), biến kết hợp của nồng độ asen và đặc tính của hộ.

Kết luận: Asen có ảnh hưởng đến số giờ lao động của hộ. Và ảnh hưởng đó phụ thuộc vào đặc tính của hộ (các biến kết hợp có ý nghĩa thống kê).

Mơ hình Cox Proportional Hazards Model

Khảo sát thu nhập và chi tiêu của Bangladesh năm 2000

Chú thích: NT là khu vực nơng thơn, TT là khu vực thành thị

-50-

Phụ lục 3: Giới thiệu mơ hình Poisson

Ý tưởng cơ bản về mơ hình Poisson được đưa ra bởi Coleman (1964, 378–379). Cameron và Trivedi (1998; 2010, Chương 17) và Johnson, Kemp và Kotz (2005, Chương 4) đưa ra thông tin về phân phối Poisson. Cameron và Trivedi (1998), Long (1997, Chương 8), Long và Freese (2006, Chương 8), McNeil (1996, Chương 6), and Selvin (2004, Chương 9) giới thiệu về hồi quy mơ hình Poisson. Thêm vào đó, Selvin (2004, Chương 5) đề cập đến phân tích phân phối khơng gian, cũng bao gồm thảo luận về phân phối Poisson. Ví dụ đầu tiên hồi quy Poisson là Cochran (1940).

Hồi quy Poisson phù hợp với mơ hình của số lần xuất hiện (số đếm) của một sự kiện. Phân phối Poisson đã được ứng dụng cho các sự kiện khác nhau, như là số người lính chết do bị ngựa đá trong quân đội Phổ (von Bortkewitsch, 1898); kiểu mẫu của những lần trúng đạn bởi phi pháo đánh vào London trong Chiến tranh thế giới thứ hai (Clarke, 1946); số lần kết nối điện thoại sai (Thorndike, 1926); và số ca nhiễm bệnh, thường đối với thời gian, nhưng đôi khi cũng dùng cho không gian. Những giả định cơ bản của mơ hình là:

1. Có một con số được gọi là tỷ lệ mắc phải (nhiễm bệnh). Được định nghĩa là tỷ lệ các sự kiện xảy ra. Ví dụ: 5 trên một giây, 20 trên 1000 người một năm, 17 trên một m2, và 38 trên một cm3.

2. Tỷ lệ mắc phải (nhiễm bệnh) có thể được nhân lên bởi quy mơ phơi nhiễm để có được số lượng dự kiến của sự kiện được quan sát. Ví dụ, tỷ lệ 5 trên giây nhân với 30 giây thành 150 sự kiện được ước tính; tỷ lệ 20 trên 1000 người một năm nhân với 2000 người một năm là 40 sự kiện được ước tính;...

3. Qua một sự phơi nhiễm nhỏ ϵ, xác suất tìm ra nhiều hơn một sự kiện là nhỏ so với ϵ. 4. Phơi nhiễm không chồng lấn là độc lập với nhau.

Với những giả định trên, tìm ra xác suất của k sự kiện trong quá trình phơi nhiễm có kích thước là E, bạn chia E cho n khoảng thời gian nhỏ E1, E2, . . . , En, và câu trả lời gần đúng là xác suất nhị thức của k quan sát thành công trong n lần thử. Nếu bạn để n → ∞, bạn có được phân phối Poisson.

Trong mơ hình Poisson, tỷ lệ nhiễm bệnh cho quan sát thứ j được giả định tính tốn bằng cơng thức sau:

0 1x1, j ...k xk , j

rj e

Cj

Eje

0 1x1, j

...k xk , j eln( E j )0 1x1, j ...k xk , j

Mơ hình Poisson phù hợp cho mơ hình trên. Nếu khơng có các lựa chọn exposure() hoặc offset(), Ej giả định là 1 (tương đương với giả định rằng phơi nhiễm là không biết rõ), và kiểm soát phơi nhiễm, nếu cần thiết, là nhiệm vụ của bạn.

IRR là tỷ lệ so sánh dễ nhất được tính tốn. Cụ thể là tỷ lệ tương đối của những sự thay đổi nhiễm sắc thể trong tế bào khi cường độ bức xạ tăng lên; tỷ lệ tương đối của số lần kết nối điện thoại sai khi số lượt sử dụng tăng lên; hoặc tỷ lệ tương đối của số ca tử vong vì ung thư của nữ so với nam? Để biết được các tỷ lệ trên, bạn phải kiểm soát các yếu tố khác trừ nhân tố xi. IRR chỉ ra sự thay đổi một đơn vị trong xi dẫn đến sự thay đổi của Cj:

eln( E )1x1 ...i ( xi 1)...k xk

eln( E )1x1 ...i

xi ...k xk

ei

Nói chung, ý nghĩa của IRR là khi xi thay đổi một lượng

xi thì biến phụ thuộc sẽ thay đổi

^ ^

lượng là ei xi

= (ei )xi . Lệnh lincom được sử dụng sau khi chạy mơ hình Poisson để hiển

thị IRR cho bất kỳ trường hợp nào. Ví dụ, bạn muốn tính IRR cho nhóm người có đặc tính số x1 và xi bạn chỉ cần dùng lệnh: lincom x1+xi, irr. Hoặc có thể được tính bằng cơng thức

^ ^ là e1 i

.

Kiểm định thống kê quan trọng nhất với mơ hình này là mơ hình có phù hợp hay khơng? Dùng ovtest để kiểm tra xem giá trị ước lượng có sát với giá trị thực hay không. Dùng linktest để xem có cần cho thêm biến độc lập nào đó (hay bình phương có một biến độc lập đã có sẵn) vào mơ hình hay khơng hoặc thay đổi dạng mơ hình ( academic.reed.edu, 2015).

Nguồn: StataCorp LP (2011).

Phụ lục 4: Giới thiệu về odds ratio và IRR

Odds ratio (OR), tỷ lệ chênh, là thước đo của sự kết hợp giữa một phơi nhiễm và một kết

quả. Ví dụ:

a là số người phơi nhiễm với asen và bị chết;

b là số người không phơi nhiễm với asen nhưng vẫn bị chết; c là số người phơi nhiễm với asen nhưng không bị chết;

d là số người không phơi nhiễm với asen và cũng không bị chết trong mẫu điều tra.

Trước khi giải thích tỷ lệ chênh (OR), odds cần phải được giới thiệu trước. Odds là một khái niệm đặc thù trong văn hóa đánh bạc, và chỉ có người Anh mới có thuật ngữ odds, khơng có ngơn ngữ nào trên thế giới có chữ odds (Nguyễn Văn Tuấn, 2015). Giả sử, cứ

100 phơi nhiễm với asen thì có 10 người chết. Odds của phơi nhiễm với asen-bị chết được tính như sau:

odds(asen) a 10 0,11 . Như vậy, odds là tỷ lệ người phơi nhiễm với

asen bị chết

c 90

trên số người phơi nhiễm với asen nhưng không bị chết (là 0,11).

Tương tự, cứ 100 người khơng phơi nhiễm với asen thì có 5 người chết. Odds của không tiếp xúc với asen là: odds(không asen)

b d 5 0,05 . Tỷ lệ người bị chết trên số người 95

không bị chết trong trường hợp khơng phơi nhiễm với asen (là 0,05).

Odds càng cao thì tỷ lệ chết càng cao. Để xem chênh lệnh giữa tỷ lệ chết/không chết khi phơi nhiễm với asen và không phơi nhiễm với asen. Một chỉ số odds ratio được tính tốn như sau: OR a / cb / dad b c 0,11  2,2 0,05

là tỷ số chênh giữa chỉ số odds của nhóm người phơi nhiễm

với asen và chỉ số odds của nhóm người khơng phơi nhiễm với asen. Hay nói cách khác, mức độ liên quan giữa bị chết và bị phơi nhiễm với asen là 2,2 lần (Nguyễn Văn Tuấn, 2015). Diễn đạt theo một cách khác, tỷ lệ trường hợp bị chết/không bị chết cao hơn 2,2 lần ở nhóm người phơi nhiễm với asen so với nhóm người khơng phơi nhiễm với asen.

Odds chỉ đánh giá mức độ liên quan giữa yếu tố nguy cơ và bệnh, nó khơng có ý nghĩa về việc tính nguy cơ (xác suất có bệnh).

Nếu coi p1= a/(a+c) là xác suất một người bị chết do phơi nhiễm với asen, thì 1- p1=c/ (a+c)là xác suất không bị chết khi phơi nhiễm với asen.

Coi p2=b/(b+d) là xác suất bị chết khi khơng phơi nhiễm với asen, thì 1-p2=d/(b+d) là xác suất khơng bị chết khi khơng phơi nhiễm với asen.

Như vậy, odds(asen)

a c a /( a c ) p1 1  p1 p1 , odds(không asen) b d p2 1  p2 OR a / c c / ( a   c ) 1 p1  p1 (1 p2 ) p1 b / d b /( b d ) d /(b  d ) p 2 1  p2 p2 (1 p1 )p2

OR=1: Yếu tố phơi nhiễm (asen) không ảnh hưởng đến chỉ số odds của kết quả (bị chết) OR>1: Yếu tố phơi nhiễm (asen) làm chỉ số odds của kết quả (bị chết) cao hơn odds của nhóm khơng phơi nhiễm

OR<1: Yếu tố phơi nhiễm (asen) làm chỉ số odds của kết quả (bị chết) thấp hơn odds của nhóm khơng phơi nhiễm

nếu khơng chết). Các biến giải thích. Trong đó biến giải thích đi với hệ số 1 là nồng độ

^ 1^

asen trong nước dùng để ăn uống. Nếu hệ số ước lượng của mơ hình là 1 thì OR= e . OR cho biết một đơn vị tăng thêm trong nồng độ asen phơi nhiễm sẽ làm cho kết quả phép tính

odds của nhóm phơi nhiễm với asen (tỷ lệ chết/khơng bị chết ở nhóm phơi nhiễm với asen) chia cho odds của nhóm khơng phơi nhiễm với asen (tỷ lệ chết/không bị chết ở nhóm khơng phơi nhiễm với asen) tăng lên ^

e1 lần. Hay, mức độ liên quan của phơi nhiễm với ^

asen và bị chết tăng lên e1 lần. Một cách nói gần đúng là tỷ lệ bị chết tăng lên khi nồng độ ^

asen phơi nhiễm tăng lên một đơn vị sẽ tăng lên e1 lần.

Một chỉ số thống kê khác cũng khá tương tự với OR là IRR được dùng trong mơ hình có biến phụ thuộc là biến rời rạc. Mơ hình được đề xuất cho mơ hình có biến phụ thuộc là biến rời rạc là mơ hình Poisson.

Incidence rate ratio (IRR) là tỷ số tốc độ mắc bệnh (dichte.jimdo.com, 2015) là tỷ số giữa

tần suất bệnh của nhóm phơi nhiễm với nhóm khơng phơi nhiễm.

Tương tự như trên, coi p1= a/(a+c) là xác suất bị chết của một người phơi nhiễm với asen. Coi p2=b/(b+d) là xác suất bị chết của một người không phơi nhiễm với asen.

IRR a /(a  c)

b /(b d )

p1

thể hiện xác suất bị chết tăng lên bao nhiêu lần khi phới nhiễm với

p2

asen so với trường hợp khơng phơi nhiễm. Hay nói cách khác, nhóm phơi nhiễm với asen có nguy cơ bị chết gấp IRR lần so với nhóm khơng phơi nhiễm với asen.

IRR<1 yếu tố phơi nhiễm chống lại bệnh

IRR=1 yếu tố phơi nhiễm không liên quan đến bệnh IRR>1 yếu tố phơi nhiễm có liên quan đến bệnh

^ 1^

Liên hệ với mơ hình Poisson, nếu hệ số ước lượng của mơ hình là 1 thì IRR= e. IRR cho biết khi thay đổi 1 đơn vị trong nguyên nhân phơi nhiễm sẽ làm cho kết quả thu được

Một phần của tài liệu Tác động của ô nhiễm tại các làng xã đến tình trạng khám chữa bệnh ở VN (Trang 63)

Tải bản đầy đủ (DOCX)

(123 trang)
w